автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.10, диссертация на тему:Информационная поддержка управления освоением производства социально-значимых продуктов

На правах рукописи Карташова Лидия Владимировна

Информационная поддержка управления освоением производства социально-значимых продуктов (с конечным сроком реализации)

Специальности:

05.13.10 - управление в социальных и экономических системах; 05.13.18 - математическое моделирование, численные методы и комплексы программ

Автореферат

диссертации на соискание учёной степени кандидата технических наук

Кемерово • 2006

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Кемеровский государственный университет» (ГОУ ВПО КемГУ)

Научный руководитель: кандидат экономических наук, доцент

Бабина Светлана Ивановна

Официальные оппоненты: доктор технических наук, профессор

Верёвкик Валерий Иванович кандидат технических наук, доцент Попов Владимир Алексеевич

Ведущая организация: Государственное образовательное учреждение

высшего профессионально образования «Кемеровский технологический институт пищевой промышленности»

Защита состоится 19 декабря 2006 года в 12 часов на заседании диссертационного совета Д 212.252.02 в Государственном образовательном учреждении высшего профессионального образования «Сибирский государственный индустриальный университет» (ГОУ ВПО «СибГИУ») по адресу: 654007, г. Новокузнецк, Кемеровской обл., ул. Кирова, 42, СибГИУ. Факс (3843) 46-58-83. E-mail: sec nr@sibsiu.ru

С диссертацией можно ознакомиться в библиотеке ГОУ ВПО «СибГИУ». Автореферат разослан Д" ноября 2006 года.

Учёный секретарь диссертационного совета

В. Ф. Евтушенко

Общая характеристика работы

Актуальность проблемы. Анализ закономерностей социально - экономических процессов (СЭП) занимает одно из первостепенных по значимости условий для принятия решений по управлению в экономике, в социально — политической деятельности, поэтому установление причинно - следственных зависимостей в таких процессах является актуальной и постоянно решаемой задачей. Очевидно, ушло в прошлое время, когда принимались какие-либо решения в рассматриваемой деятельности без тщательного, глубокого и всестороннего анализа, а только лишь на основе интуитивных представлений и рассуждений по аналогии и, в лучшем случае, проведением экспертного опроса. Особо актуальным становится развитие и создание новых количественных методов и алгоритмов анализа, что обусловлено, прежде всего, необратимыми последствиями принятых решений в общественной жизни, в социально - экономических и социально - политических системах.

Социально-экономические процессы с позиции возможности применения количественных методов обработки информации характеризуются, согласно исследованиям А. А. Богданова, Л. фон Берталанфи, И. Пригожи на, Н. Н. Моисеева и ряда других, следующими особенностями: сложность, нелинейность, неустойчивость, динамичность, самоорганизация, а также уникальность их реализаций. Эти особенности накладывают значительный отпечаток на процесс принятия решения. Для обеспечения устойчивого функционирования предприятия ЛПР требуется научное обоснование оценки состояния производства, выявление и оценка влияния различных причин на процесс «производство - сбыт». Данная задача принимает особую актуальность для производств социально-значимых товаров с ограниченным сроком реализации. Здесь актуальными становятся проблемы формирования сырьевой базы, ритмичности производства, обеспечения сохранности товара, анализа процесса потребления товара на рынке и т. д.

Положение ЛПР более усугубляется, если речь идёт о становлении нового производства в условиях рыночной экономики: это проблемы организации бесперебойной, ритмичной работы предприятия, социальные проблемы, проблемы выхода товара на рынок и т. п. Перед ЛПР в таких условиях возникает актуальная задача внутренней самооценки функционирования и прогнозиро-

вання состояния развития предприятия с точки зрения выполнения производственных функций, оценки влияния на производство различных проявлений внешнего и внутреннего пронсхождения, обоснования и установления пороговых значений производства товаров, принятие мер противодействия угрозам. Как правило, исходной информацией являются причинные воздействия на производство как количественного, так и качественного характера, и количественные данные об изменении выходных факторов, т. е. исходная информация представлена нестационарными временными рядами.

Анализ нестационарных временных рядов относится к классу сложных задач и поэтому существует значительное число методов их исследования. На наш взгляд, наиболее перспективной концепцией анализа таких процессов является « мно го канал ьность» использования методов и алгоритмов. Одним из основных и недостаточно развитых направлений определения закономерностей в динамических процессах являются методы структурно — параметрической идентификации. Основным положением этих методов является зала-кие предполагаемой структуры модели и задания процедуры ей уточнения. Таким образом, недостаточно исследованными и разработанными в данном направлении являются: а) учёт особенностей СЭП (например, решения по управлению сформулированы на качественном уровне); б) сложность с определением исходной структуры модели (в отличии от физических и технологических процессов). Диссертационная работа выполнена в соответствии с основным направлением научной деятельности Кем ГУ: социально-экономические, политические и правовые проблемы становления рыночных отношений в производственной и непроизводственной сферах региона.

Цель и задачи диссертации. Целью диссертационной работы является развитие принципов анализа и алгоритмов информационного обоснования управления ЛПР освоением производства социально значимых продуктов с конечным сроком реализации.

Для достижения цели в работе решаются следующие задачи:

1. Оценить влияние особенностей функционирования социально-экономических систем (СЭС) на существование и определение причинно-следственных закономерностей.

2. С учётом требований ЛПР по предметной области, по форме представления исходной информации, по величине временного интервала сбора информации (периода дискретизации) и характеру причинного воздействия выбрать и обосновать метод решения задач установления причинно - следственных зависимостей.

3. Развить алгоритмы структур но-параметрической идентификации для социально-экономических систем с учетом качественных показателей и исследовать их на тестовых примерах определения причинно-следственных закономерностей с оценкой достоверности и области применения.

4. Использовать алгоритмы структурно-параметрической идентификации для решения реальных задач анализа процессов «производство - сбыт» и управления освоением нового производства выпуска социально-значимой продукции.

Методы выполнения работы. Для достижения указанной цели в работе использованы и развиты с учётом предметной области подходы и алгоритмы теории вероятностей и математической статистики, прикладной статистики и анализа данных, теории непрерывных дробей и методы дробно — рациональной аппроксимации, теории автоматического управления и теории идентификации, методы интервальной математики.

Научная новизна. 1. Класс задач, решение которых необходимо для выявления и представления ЛПР причинно-следственных зависимостей в социально-экономических системах, характеризующихся разнообразием форм исходных данных и типами причинных воздействий.

2. Метод структурно - параметрической идентификации (БР- идентификации), аналитически обоснованный для решения всех сформулированных задач и реализующий дробно — рациональную аппроксимацию причинно-следственных связей качественного и количественного характера на основе аппарата непрерывных дробей.

3. Методика оценки влияния вариаций периода дискретизации на достоверность моделирования закономерностей динамики СЭП, критерии останова процедуры формирования идентифицирующей матрицы В.Висковатова, позволяющие получать наиболее точные приближения по целевому показателю идентификации.

4. Процедуры конкретизации алгоритмов БР - идентификации, отражающие характерные особенности СЭП; их тестовые исследования, доказывающие близость элементов нулевой строки для выявления этих особенностей СЭП, в частности, воздействий качественного характера, нестационарности, нелинейности, неустойчивости.

5. Методика определения пороговых значений выпуска ооциально-значимой продукции путём формирования набора моделей с конечной памятью для описания тенденций развития процесса, обеспечивающая выбор эффективных решений по управлению СЭС в изменяющихся условиях её фук кцнонирован ия.

Практическая значимость.

1. Алгоритмы 8Р - идентификации, распространенные на качественные воздействия и разнотипные количественные измерения, являются полезными для определении причинно-следственных связей, используемых в задачах управления СЭС, в частности предприятиями легкой и пищевой промышленности,

2. Методика изменения периода дискретизации позволяет определять причинно-следственные связи с наименьшими затратами для проведения контроля состояния СЭС

3. Методы и алгоритмы ЯР - идентификации целесообразно использовать в учебном процессе вуза для студентов экономических и экономико-математических специальностей.

Реализация результатов работы. Результаты работы внедрены и используются в системах управления предприятиями ОАО «Кемеровохлеб» (г. Кемерово) и ООО «ДлзайнПак» (г. Кемерово), а также в учебном процессе при подготовке студентов по специальностям «Прикладная математика и информатика», «Финансы и кредит» и «Экономика и управление на предприятии». Достоверность реализации практических разработок подтверждается справками об использовании.

Предмет зашиты и личный вклад автора. На защиту выносится:

1. Представление причинно-следственных процессов в социально-экономических системах прн качественных входных воздействиях и специ-

фическнх требованиях ЛПР к форме представления исходных данных и выходных результатов.

2. Конкретизированное для СЭС алгоритмическое обеспечение идентификации процессов, основанное на использовании итерационных свойств непрерывных дробей и позволяющее оценить причинно-следственные закономерности в исследуемых системах.

3. Методика выбора периода дискретизации СЭП и критериев наилучшего приближения моделями с конечной памятью, обеспечивающих требуемую степень достоверности полученных результатов.

4. ■- Методика формирования пороговых значений выпуска социально-значимой продукции, учитывающая существенную неритмичность процессов, изменение условий функционирования, неопределенность влияния внешних и внутренних факторов СЭС, особенно важных на этапе запуска и освоения производства.

Личный вклад автора заключается в выборе н обобщении из существующих методов и алгоритмов непараметрической идентификации способа решения, который в наибольшей степени учитывает особенности СЭП при определении причинно-следственных закономерностей; в конкретизации алгоритмов БР - идентификации и методики вариации периода дискретизации для учёта особенностей исследуемых процессов; в проведении представительных тестовых исследований для процессов с различными типами исходных данных и динамических свойств; в решении прикладных задач анализа и оценки состояния производства и потребления продукции ОАО «Кемеро-вохлеб» и ООО «ДизаЙнПак».

Апробация работы. Основные положения и результаты докладывались и получили одобрение на Международном симпозиуме «Инженерная экология - 2003» (секция «Экология и социально-экономические процессы», Москва, 2003г.); Международной конференции по мягким вычислениям и измерениям (С-Петербург, 2004 год); V Всероссийской научно-практической конференции «Системы автоматизации в образовании, науке и производстве» (Ново, кузнецк, 2005г.); V Всероссийской научно-практической конференции «Недра Кузбасса. Инновации - 2006» (Кемерово, 2006г.), а также на научно-

методических семинарах кафедр «Менеджмента», «Экономики и управления на предприятии» и совещаниях в ООО «ДизайнПак».

Структура работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы и двух приложений. Общий объём работы (без приложений)- 148 страниц. Список литературы включает 116 наименований.

Содержание работы

Во введении обосновывается актуальность темы, приводится характеристика работы, аннотируется структура и содержание работы.

В первой главе сформулированы основные системные положения, принятые в работе. Выделяется специальный класс задач по математическому моделированию причинно-следственных закономерностей СЭП. Приводятся результаты анализа производственной деятельности вновь организованного предприятия ООО «ДизайнПак», созданного для производства упаковочной продукции, предназначенной для продления срока хранения хлебобулочных изделий производства ОАО «Кемеровохлеб».

Анализ приведённых в работе данных по производству упаковочной продукции позволил выделить следующие характерные особенности: 1) нестационарность работы производства, постоянные колебания по всем позициям (отсутствие ритмичности); 2) заказы от сторонних организаций также крайне нестабильны, и, более того, малы по объёму; 3) объемы заказов от внутренних организаций Холдинга также менее запланированных объёмов и нестабильны из-за отсутствия отлаженного механизма и несоблюдения сроков подачи заявок; 4) в ООО «ДизайнПак» отсутствует стабильный портфель заказов; 5) имеются сложности с формированием сырьевой базы; б) социальная напряженность на предприятии связана с нестабильным графиком работы и заработной плате.

В конце первой главы приводятся задачи диссертационной работы, их взаимосвязь и обсуждаются возможности установления причинно-следственных связей для анализа функционирования СЭП с учётом выделенных особенностей.

Во второй главе приводятся аналитически обоснованный алгоритм решения задачи установления причинно-следственной зависимости (задача 1) и

рассматриваются алгоритмы структурно-параметрической идентификации при различных типах исходных данных (задача 2).

Задача 1: Дано: 1) основные особенности СЭП; 2) конкретные факторы, включаемые ЛПР в СЭП; 3) возможности контроля относительно периода дискретизации ¿1; 4) результаты измерения причинного воздействия и исследуемого фактора {х (пД1), у (пД1)}, гдеп = 0, 1,2,...

Требуется: сформировать и аналитически обосновать алгоритм построения причинно-следственной зависимости для СЭП.

Алгоритм обработки информации подучен за счет модификации метода непрерывных дробей В. Висковапова путём введения идентифицирующей матрицы, позволяющей классифицировать СЭП, и имеет следующий вид.

I. Определяется г — преобразования входной и выходной переменных по соотношениям

(1>

где х(пД1>-чмеловые величины; г'1- оператор обратного сдвига г а г — переменная г — преобразования. Аналогично для выходной

переменной

Г(г,Д/) = £у(тДПг~,

где в силу причинно-следственной зависимости у(0)=0, хотя х(0)^0. 2. Определяется передаточная функция СЭП по формуле

(2)

С(гД|) =

(3)

3. Соотношение (3) преобразуется алгоритмами теории непрерывных дробей в идентифицирующую матрицу

л(0> ж(Д|) Д2Дг) ... *(лДг)

№ уШ) у(1А/)

у,(О) у,<Д() у,(2Дг)

?,<») >>,(Д/) у,(2Д()

,„(Дг) ,У.(2Д/)

у(лД/) .

у,(лДг) .

у,(иДг) .

у.(яД(> .

(4)

Ока имеет бесконечно много строк и столбцов и пополняется итерационно при добавлении новых измерений по соотношению

• о»

У-,«»

где ш я 1,2,...; л = 0,1,2,...; = л(пДг), у„(пЛг) = у(пЛ/). Так как у(0)=0,

то для использования (5) сдвигаем нулевую строку на один элемент влево, умножая результат на г"'- оператор обратного сдвига на один шаг назад.

4. Первый столбец матрицы образует непрерывную дробь, представленную соотношением

5. Полученная непрерывная дробь порождает следующий принцип классификации СЭП.

5.1. Если причина {х (пД1)} не воздействует на выходную переменную, т.е. фактор у не зависит от причины х, то приращение у(пД1)=0, т.е. передаточная функция 0(г,ДО=0.

5.2. Если элементы какой-то (т+1)-ой строки равны нулю, то получаем конечную непрерывную дробь вида (7)

ОС**,--А* (7)

1 + 1 1 '♦¿о*«"*

определяющую причинно-следственную зависимость с конечной памятью (математическую модель с конечной памятью). Это означает, что если знать п предыдущих значений х и у, то приращение выходной переменной в п+1 момент времени у(п+1) определяется однозначно. Соотношение (7) определяет точечный прогноз развития процесса.

5.3. Если нулевых строк нет, но непрерывная дробь (НД) определяет последовательность конечных НД, которые являются приближениями передаточной функции вида (3)

а,(2,Д0, С2(г,Д0, С3<г,Д1), ..., От{г,Д1),... (8)

Имея определенный овьём наблюдений, нетрудно построить такие приближения. Если эти приближения соответствуют строкам, элементы которых

10

близки к нулю, то получаем близкие приближения передаточной функции С(г,Д1). Тогда полученные модели образуют «коридор», в котором будут находиться все наблюдения реакции объекта. Таким образом, приходим к интервальному прогнозу развития процесса, получаемому математическими моделями (ММ) с конечной памятью.

5.4. Если же таких строк нет, то хотя и существует последовательность ММ с конечной памятью, трудно утверждать, что эта последовательность сходится к С(2гД1), т.е. данный процесс фактически нельзя прогнозировать.

Можно отметить, что данная классификация зависит от шага дискретизации Дь его изменения вызывают изменения значений входных х(пДО, и выходных у(пДО переменных, а также значения передаточной функции С(г,Д1). При решении данной задачи необходимо сформулировать критерии определения нулевых строк.

Задача 2. Дано: 1) 1,2,3 пункты задачи 1 выполняются; 2) при анализе СЭП исходные данные могут носить как качественный, так и количественный характер; 3) количественные исходные данные могут быть представлены в форме детерминированных или случайных величин, а также интервальными числами.

Требуется: показать, что предложенный в задаче 1 способ сохраняет свою применимость.

Для решения этой задачи рассмотрим таблицу 1, отображающую все типы задач, в зависимости от формы задания вход-выходных переменных.

Таблица 1

Основные типы задач в зависимости от характера исходной информации

X __ У детерм иннрованкые точечные случайные точечные интервальные

Качественные (*ГУ|)

X а* детеры. точеч. (*2УЗ)

В V V 3 £ = случ. точеч. (хз-УО (ВДз)

§ иктерв. (НУ1) (*Ш>

В работе рассмотрены следующие типы задач:

Класс I - включает задачи, где исходные данные являются числами (xi,yi); (xi,yi).

Класс 2 - включает задачи, содержащие исходные данные в интервальной форме (X4,yi); (Х4,у0; Ои.уч); Ог.уО-

Задачи (х|,у2); (х2,уг); (*i.yi); (хд,у.О; (x4,yj) могут быть сведены к алгоритмам решения задач класса 1 или класса 2 по требованию ЛПР путём использования либо точечных, либо интервальных оценок из статистики.

Задача, соответствующая случайному входу н случайному выходу (хл,у2), занимает особое место в данной классификации, т.к. позволяет вскрыть зависимости функционирования производства и действий ЛПР на этапе стабильного производства и спада выпускаемой продукции.

Для первого класса задач алгоритм обработки информации соответствует рассмотренному ранее в задаче 1. Сделаем некоторые замечания, когда причинное воздействие {х (nit)} имеет качественный характер, а у - количественная детерминированная переменная. Качественным причинным воздействием могут быть решения ЛПР, постановления, распоряжения администраций фирм, территориальных округов и т. д., т. е. воздействия, которые фактически не поддаются формализованному описанию.

В работе предлагается ввести индикаторную функцию, принимающую значение «1», если причинное воздействие сохраняется во времени, и «О» -когда оно не действует. В этом случае алгоритм сводится к рассмотренному случаю в задаче 1.

Для второго класса выбираем основную задачу, где входная переменная -интервальная количественная величина, выходная — интервальная величина (х4,у3), так как остальные задачи вытекают из неё в силу следующего замечания; если интервальное число имеет вид [а, а], то это есть число а, т. е. а =[а, а].

Рассмотргш задачу 2 в интервальной постановке:

Дано: исходные данные входной и выходной переменных представлены в виде интервальных чисел [х^пДО; x^CnAt)]; [ymh,(nAt); ym^inAt)], где At -период дискретизации, п =0,1,2,..,

Требуется: сформировать алгоритм решения задачи по выявлению причинно-следственной связи в данных условиях.

Для унификации обозначений положим что, [а«л, Ь«ц]= 1*т|п(пД1); *„щ,(пД1)]; [а1п, Ь,.)= [ут]„(пДО; ут^пДО]. Решение.

1, Строим идентифицирующую матрицу вида (9):

1а|0,Ь|0] Га,,,Ьи]

Г^.ь».]

(9)

где в соответствии с модифицированным алгоритмом В.Висковатова искомый интервал определяется соотношением

•„ -Ь 1

00)

2. Как правило, для причинных зависимостей [ащ, Ь,о] - нуль - содержащий интервал, тогда сделаем аналогично задаче 1 сдвижку всех элементов этой строки с последующим умножением их на г'. Первый столбец построенной матрицы порождает непрерывную дробь, которая соответствует передаточной функции

[а1в,Ь 10]г*'/

/[а«,, "оо ]г" [а

С (г, ДО =-

(П)

1 * 1 1 3. Модель с конечной памятью, а также последовательность моделей с конечной памятью образуются аналогично задаче 1 - по наличию нуль содержащих или близких к ним элементов некоторой строки. В этом случае получаем передаточную функцию

У(г) Ап+А.г'1 +...+А,г"'

Х(г) 1 + В, г"' + ...+ В,гч

(12)

4. Передаточная.функция сии(г,д^> определяет интервальную зависимость вида

У(п) = ¿А,к(п—1) —¿В(у(п-^^

порождающую своими граничными функциями интервальную модель причинно-следственной зависимости.

Задача (хз.Уг). в которой х} и у-1 представляют реализации некоторых случайных процессов, наиболее трудна для решения. Алгоритм её решения может быть представлен схематически следующим образом (рис. I).

Рисунок 1 - Блок-схема алгоритма решения задачи (кэ,

В третьей главе исследуется влияние на достоверность причинно-следственных зависимостей таких факторов как величина периода контроля; изменение исходных данных с учетом его вариации; критерии останова для выявления наилучших приближений моделями с конечной памятью (задача 3).

Задача 3: Дано: передаточная функции (3), в которой измерения (х(пДО. y(nAt)) осуществляются в равноотстоящие моменты времени с периодом At.

Требуется: оценить влияние изменений периода дискретизации At не только на G(z, At), а также на формирование соответствующих измерений и правила останова в идентифицирующей матрице, определяющих наилучшие приближения моделями с конечной памятью.

Диапазон изменений шага дискретизации Ate (At At „в,) определяется свойствами некоторого виртуального непрерывного объекта, который приводит к эквивалентным моделям. Поэтому решение этой задачи связано с рассмотрением влияния возможных значений периода дискретизации на достоверность получаемых моделей.

Рассмотрим некоторые случаи. Так, если существуют две дискретные модели ДМ| и ДМг при At|=k)At и At^k^At, которые приводят к одной непрерывной модели HMi=HMj, то эти модели обладают наибольшей адекватностью исследуемому процессу. Если не менее двух значений из выбранных периодов дискретизации At] < At; <At3 принадлежат интервалу (Atmin; Atm*,), то для этих периодов получаем дискретные эквивалентные модели, которые соответствуют высокой достоверности, описываемого процесса. Если из трёх периодов дискретизации указанному интервалу принадлежит одно значение периода, то достоверность модели можно выявить путём проведения дополнительных измерений выходной переменной y(t) в момент времени, не совпадающий со стационарными моментами проведения измерений. Если же установить шаг дискретизации At > At „их, то модель не обладает достоверностью.

При рассмотрении фактора формирования измерений при вариации At из

соотношения C(z, ДО »-—;-следует, что можно нсполь-

¿к(пДОг-° ¿х(п ДО At г-

эовать операции усреднения, интеграции и другие подобные операции.

Критерии останова включают близость к нулю элементов строки, изменение элементов по величине и знаку, резкое различие между величинами соседних строк. Эти критерии были определены в результате тестовых иссле-

15

доваиий динамических процессов со следующими свойствами и характеристиками: апериодичностью, колебательностью, запаздыванием, случайностью, неустойчивостью и ряда других.

В данной главе рассматривается применение предложенных алгоритмов обработки информации для решения конкретных практических задач.

Первая задача связана с анализом процессов «производство-потребление» ряда хлебобулочных изделий производства ОАО «Кемеровохлеб». Для данных процессов справедлива модель балансового типа Ду (1 ДО = улр (■ Д1) + ¿у ((1 - 1 )Д0 - Хкп (1 ДО, где 1Д1 - конец ■ - го временного интервала длительностью Д1 (сутки); переменные улр, х^ - объёмы производства и потребления за сутки, а Ду - эффект их взаимодействия (остаток). В задаче обработаны данные за 121 сутки. Для анализа реализаций была использована двухэтапная обработка данных.

На 1-м этапе — применялся алгоритм последовательных пересечений с двойным сбросом инверсий для разбиения на участки стационарности. На рисунках 2-4 представлены соответственно графики выпуска у„р, реализации Хпо, и остатка Ду хлебобулочной продукции за исследуемый период.

Упр. Хпот.

КГ КГ

Рисунок 2 • График объёма выпуска Рисунок 3 - График объема

реализации

Лу,

кг

время, сутки

Рисунок 4 - График остатка продукции за исследуемый период

На 2-ом этапе на участке стационарности от 64 до 121 суток применен анализ структурной функции вида |

= (14)

где л - число измерений, к — интервал между сечениями реализации процесса.

Графики структурных функций объёма выпуска и реализации приведены соответственно на рисунках 5 и 6. |

V» уч.............. ■ ..............- -■ -........... | 4М0т/~Л--------------------------------------------

4Ш0 | ( \.....-......................-...........- Ж^-- \ ..............— ------

™ .......- -............ш!................... .. .....-........ -............

1000 / —.............................-..............I

Рисунок 5 - График структурной Рисунок б - График структурной

функции объема выпуска. функции объема реализации.

Для оценки эффективности управления производством найден выборочный коэффициент корреляции между производством и сбытом, значение ко-

17 1

торого статистически значимо отличается от нуля г» = 0,958 (р = 0,95), что позволяет говорить о высокой эффективности управления.

Аналогичный способ был применён для анализа процесса «производства • потребления» ряда хлебобулочных изделий и выданы соответствующие рекомендации по управлению процессом производства.

Результат анализа процесса «производства-потребления» хлебобулочных изделий позволил сформулировать следующие выводы. 1. В связи с установившимся объёмом потребления объёмы производства по батону, бублику украинскому, хлеба «Пикник» могут быть сохранены. 2. Объемы производства хлеба «Восемь злаков» должны быть уменьшены до [4000; 4500] кг.

Сопоставление данных по производству того же перечня хлебобулочных изделий через год с модельными данными, полученными в результате применения представленного алгоритма, подтвердил достоверность предложенных рекомендаций.

Вторая практическая задача связана с анализом динамики становления нового производства упаковочной продукции.

Предприятие проработало один год, имелась информация о выработке упаковочной продукции по всей номенклатуре изделий за каждые сутки.

Анализ деятельности предприятия приведён в главе 1. У руководства предприятия возникла потребность оценки состояния данного производства и прогноза возможностей его дальнейшей работы при сложившихся условиях функционирования. Для решения такой задачи был использован описанный выше подход динамического анализа производства.

В связи с тем, что входные воздействия промоделировать не удалось в силу их стохастичности, принято в качестве причинного воздействия использовать единичное ступенчатое воздействие, обобщающее сложившиеся условия их функционирования. Так как при данных собранных с временным интервалом Д1]=1 сутки, провести анализ не удалось, то принято решение использовать интегрированные данные, соответствующие временному интервалу ¿12=1 неделя.

Графическое представление исходных данных приведено на рисунке 7. Полученный график также обладает значительной колебательностью. Двукратное применение медианного фильтра позволило получить устойчивую

временную последовательность, представленную на рисунке 7.

Для сглаженного ряда идентифицирующая матрица приводит к бесконечной непрерывкой дроби и тем самым не позволяет выделить тенденции производственной деятельности рассматриваемого предприятия.

Уг кг

_время, неделя

- » -Исходные данные -Сглаженныеданные [

Рисунок 7 • Исходные и сглаженные данные для Д(з=1 неделя

Принимаем решение об увеличении периода дискретизации до 4 недель. На рисунке 8 представлены исходные и сглаженные данные. У- 1

кг

Рисунок 8 - Исходные и сглаженные данные для Д(э=4 недели.

Для анализа динамики применим предлагаемый в работе подход струк-

19

турно-параметрической идентификации. С этой цепью составим идентифицирующую матрицу, получаемую с помощью модифицированного алгоритма В. Висковатова

i l 1 I 1 | j 'ii

<- t»i 1803.1 1808,1 1448,7 1249,9 899.4 899.4 8103 Я&З

-U«36IJ -1,023615 -0,621377 -0,392166 -0,006603 -0,006603 0,093117 O.D93117

1,0236 il 1,416573 1,218258 1JÎ57IÎ 1.0001 S2 1,097571 0.W7S52

-OOS3S9Î -аш&м -0.970SÎ7 -o.wmît -мнод -i.osis - - - . (15)

—0,183948 -1,29012В -Ш464 -L7V8S28 -U704M1 - - -

-5368272 -Î.7SSS49 -TJ454Î7 -6388221 - - - - - '

«32364 4.985985 Î.4S3S2J - - - - -

-0.054267 -О.ОЗОЮЗ - - - - - -

По критериям останова были выбраны «б» н «9» «нулевые строки». Получаем дискретную передаточную функцию вида (16) при остановке на «6» строке

позволяющую записать первую модель в форме конечноразностного уравнения вида

у? (я) »0,38yCi -1) - <Шу(л - 2) + 893,5¿{и-D + 57 l,8jc(n -2), (17)

где x(t) есть индикаторная функция.

Эта модель описывает устойчивый процесс, имеющий затухающие колебания, определяет мажоранту и соответствует выходу производительности на ~ 1451 кг в неделю (= 7,5 тонн в месяц).

Аналогично строится вторая модель по «9» строке полученной идентифицирующей матрицы (15)

у^(п) = -0,29у(п-1) + иЗу(я-2>-а34у(п-3) + 89315л(л-1) + П7(Ш(п-2)-

- 741,6Жл -3) -1072,2*(я - 4), (18)

где x(t) - индикаторная функция. Эта модель так же описывает устойчивый процесс, определяет миноранту и соответствует выходу производительности на 501 кг в неделю (т.е. = 2,5 тонны в месяц).

В таблице 2 для сопоставления представлены исходные и модельные данные, отражающих недельный выпуск упаковочной продукции в кг, у сред-

ненный на интервале времени в 4 недели (числитель) и суммарный выпуск за 4 недели (знаменатель). '

Таблица 2

Исходные и модельные данные выпуска продукции

Выпуск 0 1 2 э 4 5 6 7 8 9

Исходные данные 0 1808.1 1808.1 1448.7 12112 рЯ9.4 3597,6 899.4 3597,6 в ю,э 3241,2 810-3 3241,2

3574 7232,4 7232,4 5794.8 4975.6

Модельные данные у" 0 №3,5 3574 7218 7210 1446,5 £766 Ш2 5248 5591,2 1434,9 5939,2 1494.3 5937,2 н».г £800,0

Модельные данные у" 0 893.5 3574 1004,9 19<?8г7 1461.4 1256.5 Э2&2 3688.6 905.7 3622.8 602.4 2409,6 785.4 3141,6

7119.6 7234,8 5845,6 5026

В работе сформулированы следующие выводы и рекомендации. В целом производство упаковочных материалов является устойчивым и не выходит за пределы установленного «коридора» т.е.. находится в пределах 2,5 - 7,5 т в месяц. С другой стороны ширина интервала возможных значений в 5 т. в месяц является достаточно большой, что обусловлено неритмичностью производства, слабо развитой сырьевой базой, нестабильностью рынка сбыта. Более того, можно констатировать, что если условия функционирования Производства не изменятся, то в дальнейшем производительность сохранится в указанном промежутке [2,5; 7,5]. Последующая фактическая выработка продукции за 4 недели, составила у(10)=3,б2т; у(11)=3,84т, у(12)=3,95т, что подтверждает достоверность модельных значений.

Экономический анализ позволил сделать следующие выводы. I. Производство упаковочной продукции, близкое к нижнему пороговому значению (2,5 т/мес.), приведёт предприятие к банкротству. 2, При производстве продукции от 7,5 т/мес. и выше предприятие будет развиваться и являться пла-тёжеспособн ым.

ВЫВОДЫ И ЗАКЛЮЧЕНИЕ

1. Выделен и исследован класс задач по установлению причинно-следственных закономерностей в социально-экономических процессах, отличающихся разнообразием форм представления исходных данных и типами причинных воздействий,

2. Для решения вышеуказанных задач целесообразно использовать единый подход непараметрической идентификации, основанный на дробно-рациональной аппроксимации алгоритмами теории непрерывных дробей. Преимуществами данного подхода является универсальность (по отношению к типу процессов), простота реализации, формирование последовательности приближений к исходным данным, итерационность вычислительной процедуры с естественными правилами её останова.

3. Для конкретизации алгоритмов 5Р - идентификации необходимо учитывать особенности социально-экономических процессов, в частности наличие одной реализации временных рядов; проведение измерений в равноотстоящие моменты времени, нестационарность, распределён кость систем. Для учёта нелинейности введены в рассмотрение модели с конечной и бесконечной памятью.

4. Приведены научно обоснованные решения по учёту факторов, соответствующих требованиям ЛПР и влияющих на достоверность установленных закономерностей: параметров вариации периода дискретизации; существенного причинного воздействия; критериев останова при получении наилучших приближений. Тестовые исследования подтверждают возможность применения данного подхода для учёта особенностей и многообразия структур закономерностей: инерционность, колебательность, переменное запаздывание, неустойчивость.

5. Методика определения пороговых значений выпуска социально-значимой продукции отражает конкретные условия функционирования социально-экономической системы и способствует выбору эффективных решений по управлению социально-экономической системой в изменяющихся условиях её функционирования.

6. Результаты конкретизации и применения предложенных методик и алгоритмов для решения задач управления системами «производство - потреб-

ление» применительно к выпуску хлебобулочной и упаковочной продукции подтверждают обоснованность и эффективность теоретических разработок.

Основные труды по теме диссертации

]. Карташова, Л. В. Анализ динамики производственных процессов на основе установления причинно-следственных зависимостей / Л. В. Карташова, С. И. Бабина, А. И. Петрищева //Вестник Московской Академии рынка труда и информационных технологий. - М.: МАРТИТ- 2006 - № 7(29). - С. 24 - 32.

2. Новосельцева, М. А. Структурный анализ в задачах обработки данных / М.А. Новосельцева, Л.В. Карташова //Вестник Кемеровского государственного университета. Журнал теоретических и прикладных исследований. -Выпуск I - (25). - Кемерово: Юннти - 2006. - С. 43 - 48,

3. Карташова, Л. В. Оценивание причинно-следственных зависимостей в социально-экономических системах / Л. В. Карташова //Недра Кузбасса. Инновации — 2006. Труды V Всероссийской научно-практической конференции. -Кемерово;-ИНТ-2006.-С. 120- 122. ¡

4. Карташова, Л. В. Анализ социально-экономических процессов на основе математического моделирования / Л. В. Карташова //Системы автоматизации в образовании, науке и производстве. Труды V Всероссийской научно-практической конференции. - Новокузнецк: СибГИУ - 2005,-С. 413-416.

5. Карташова, Л. В. Статистический анализ динамики производства и реализации в условиях рынка / Л. В. Карташова, Д. В. Ванюхина //Социально-экономические преобразования в России. Сборник научных трудов. • Выпуск 3 - Кемерово: Кузбассвузиздаг - 2004. - С. 379 - 385.

6. Карташова, Л. В. Построение формирующих моделей при анализе социально-экономических процессов / Л.В. Карташова //Сборник докладов Международной конференции по мягким вычислениям н измерениям. • Том 2. -С. - Петербург: Иза-во - СПбЭТУ «ЛЭТИ» - 2004. - С. 96 - 99.

7. Карташов, В. Я. Оценка последствий нормативно-управленческих решений в социально-экономических системах / В. Я. Карташов, Л. В. Карташова //Материалы международного симпозиума «Инженерная экология -2003» - М.: - ВСНТОРЭС им. А. С. Попова - 2003. - С. 136 - 140.

23

Карташова Лидия Владимировна

ИНФОРМАЦИОННАЯ ПОДДЕРЖКА УПРАВЛЕНИЯ ОСВОЕНИЕМ ПРОИЗВОДСТВА СОЦИАЛЬНО-ЗНАЧИМЫХ ПРОДУКТОВ

(с конечным сроком реализации)

Автореферат

диссертации на соискание учёной степени кандидата технических наук

Подписано в печать 9.11.2006 г. Формат бумаги 60x847ц. Бумага офсетная. Печать офсетная. Тираж 110 экз. Заказ № 17з/ЙЗУ

ГОУ В ПО «Кемеровский государственный университет». 650043. г. Кемерово, ул, Красная, б.

Отпечатано в типографии издательства «Кузбассвузиздат», 650043, г. Кемерово, ул, Ермака. 7.

Введение.

Глава 1: Системный анализ социально-экономических процессов и задачи работы.

1.1. Особенности причинно-следственных зависимостей в социально

I экономических системах.

1.2. Обзор количественных методов определения закономерностей в динамических системах.

1.3. Задачи диссертационной работы и их взаимосвязь.

Глава 2:Алгоритм SP- идентификации динамических процессов по дискретным измерениям вход - выходных переменных.

2.1. Алгоритм решения задачи SP - идентификации в t детерминированном случае.

2.2 Учёт качественных воздействий в социально-экономических процессах.

2.3. Анализ случайных временных рядов в социально-экономических процессах и SP - идентификация.

2.3.1. Анализ стационарности временных рядов и стационаризация.

2.3.2. Алгоритм проверки временных Данных на однородность.

2.3.3. SP - идентификация динамической системы по случайным реализациям вход - выходных переменных.

2.4. Интервальное моделирование социально-экономических процессов

Глава 3: Развитие учёта временных и причинных факторов и решение прикладных задач.

3.1. Научно-методические положения повышения достоверности математического моделирования и прогноза.

3.2. Анализ процесса «спроса - предложения» на продукцию

1 предприятия.

3.3. Анализ динамики развития и состояния ООО «ДизайнПак».

Актуальность диссертационного исследования .

Анализ закономерностей социально - экономических процессов (СЭП) занимает одно из первостепенных по значимости условий для принятия решений по управлению в экономике, в социально - политической деятельности, поэтому установление причинно - следственных зависимостей в таких процессах является актуальной и постоянно решаемой задачей. Очевидно, ушло в прошлое время, когда принимались какие-либо решения в рассматриваемой деятельности без тщательного, глубокого и всестороннего анализа, а только лишь на основе интуитивных представлений и рассуждений по аналогии и, в лучшем случае, проведением экспертного опроса. Особо актуальным становится развитие и создание новых количественных методов и алгоритмов анализа, что обусловлено, прежде всего, необратимыми последствиями принятых решений в общественной жизни, в социально -экономических и социально - политических системах.

Социально-экономические процессы с позиции возможности применения количественных методов обработки информации характеризуются, согласно исследованиям А.А. Богданова, Л. фон Берталанфи, И. Пригожина, Н.Н. Моисеева и ряда других, следующими особенностями: сложность, нелинейность, неустойчивость, динамичность, самоорганизация, а также уникальность их реализаций. Эти особенности накладывают значительный отпечаток на процесс принятия решения. Для обеспечения устойчивого функционирования предприятия ЛПР требуется научное обоснование оценки состояния производства, выявление и оценка влияния различных причин на процесс «производство - сбыт». Данная задача принимает особую актуальность для производств социально-значимых товаров с ограниченным сроком реализации. Здесь актуальными становятся проблемы формирования сырьевой базы, ритмичности производства, обеспечения сохранности товара, анализа процесса потребления товара на рынке и т.д.

Положение ЛПР более усугубляется, если речь идёт о становлении нового производства в условиях рыночной экономики: это проблемы организации бесперебойной, ритмичной работы предприятия, социальные проблемы, проблемы выхода товара на рынок и т.п. Перед ЛПР в таких условиях возникает актуальная задача внутренней самооценки функционирования и прогнозирования состояния развития предприятия с точки зрения выполнения производственных функций, оценки влияния на производство различных проявлений внешнего и внутреннего происхождения, обоснования и установления пороговых значений производства товаров, принятие мер противодействия угрозам. Как правило, исходной информацией являются причинные воздействия на производство как количественного, так и качественного характера, и количественные данные об изменении выходных факторов, т.е. исходная информация представлена нестационарными временными рядами.

Анализ нестационарных временных рядов относится к классу сложных задач и поэтому существует значительное число методов их исследования. На наш взгляд, наиболее перспективной концепцией анализа таких процессов является «многоканальность» использования методов и алгоритмов. Одним из основных и недостаточно развитых направлений определения закономерностей в динамических процессах являются методы структурно -параметрической идентификации. Основным положением этих методов является задание предполагаемой структуры модели и задания процедуры её уточнения. Таким образом, недостаточно исследованными и разработанными в данном направлении являются: а) учёт особенностей СЭП (например, решения по управлению сформулированы на качественном уровне); б) сложность с определением исходной структуры модели (в отличии от физических и технологических процессов). Диссертационная работа выполнена в соответствии с основным направлением научной деятельности КемГУ: социально-экономические, политические и правовые проблемы становления рыночных отношений в производственной и непроизводственной сферах региона.

Цель и задачи диссертации. Целью диссертационной работы является развитие принципов анализа и алгоритмов информационного обоснования управления ЛПР освоением производства социально значимых продуктов с конечным сроком реализации.

Для достижения цели в работе решаются следующие задачи:

1. Оценить влияние особенностей функционирования социально-экономических систем (СЭС) на существование и определение причинно-следственных закономерностей.

2. С учётом требований ЛПР по предметной области, по форме представления исходной информации, по величине временного интервала сбора информации (периода дискретизации) и характеру причинного воздействия выбрать и обосновать метод решения задач установления причинно - следственных зависимостей.

3. Развить алгоритмы структурно-параметрической идентификации для социально-экономических систем с учётом качественных показателей и исследовать их на тестовых примерах определения причинно-следственных закономерностей с оценкой достоверности и области применения.

4. Использовать алгоритмы структурно-параметрической идентификации для решения реальных задач анализа процессов «производство - сбыт» и управления освоением нового производства выпуска социально-значимой продукции.

Методы выполнения работы. Для достижения указанной цели в работе использованы и развиты с учётом предметной области подходы и алгоритмы теории вероятностей и математической статистики, прикладной статистики и анализа данных, теории непрерывных дробей и методы дробно - рациональной аппроксимации, теории автоматического управления и теории идентификации, методы интервальной математики.

Научная новизна. 1. Класс задач, решение которых необходимо для выявления и представления ЛПР причинно-следственных зависимостей в социально-экономических системах, характеризующихся разнообразием форм исходных данных и типами причинных воздействий.

2. Метод структурно - параметрической идентификации (SP-идентификации), аналитически обоснованный для решения всех сформулированных задач и реализующий дробно - рациональную аппроксимацию причинно-следственных связей качественного и количественного характера на основе аппарата непрерывных дробей.

3. Методика оценки влияния вариаций периода дискретизации на достоверность моделирования закономерностей динамики СЭП, критерии останова процедуры формирования идентифицирующей матрицы В.Висковатова, позволяющие получать наиболее точные приближения по целевому показателю идентификации.

4. Процедуры конкретизации алгоритмов SP - идентификации, отражающие характерные особенности СЭП; их тестовые исследования, доказывающие близость элементов нулевой строки для выявления этих особенностей СЭП, в частности, воздействий качественного характера, нестационарности, нелинейности,неустойчивости.

5. Методика определения пороговых значений выпуска социально-значимой продукции путём формирования набора моделей с конечной памятью для описания тенденций развития процесса, обеспечивающая выбор эффективных решений по управлению СЭС в изменяющихся условиях её функционирования.

Практическая значимость.

1. Алгоритмы SP - идентификации, распространенные на качественные воздействия и разнотипные количественные измерения, являются полезными для определении причинно-следственных связей, используемых в задачах управления СЭС, в частности предприятиями легкой и пищевой промышленности.

2. Методика изменения периода дискретизации позволяет определять причинно-следственные связи с наименьшими затратами для проведения контроля состояния СЭС.

3. Методы и алгоритмы SP - идентификации целесообразно использовать в учебном процессе вуза для студентов экономических и экономико-математических специальностей.

Реализация результатов работы. Результаты работы внедрены и используются в системах управления предприятиями ОАО «Кемеровохлеб» (г. Кемерово) и ООО «ДизайнПак» (г. Кемерово), а также в учебном процессе при подготовке студентов по специальностям «Прикладная математика и информатика», «Финансы и кредит» и «Экономика и управление на предприятии». Достоверность реализации практических разработок подтверждается справками об использовании.

Предмет защиты и личный вклад автора. На защиту выносится:

1. Представление причинно-следственных процессов в социально-экономических системах при качественных входных воздействиях и специфических требованиях ЛПР к форме представления исходных данных и выходных результатов.

2. Конкретизированное для СЭС алгоритмическое обеспечение идентификации процессов, основанное на использовании итерационных свойств непрерывных дробей и позволяющее оценить причинно-следственные закономерности в исследуемых системах.

3. Методика выбора периода дискретизации СЭП и критериев наилучшего приближения моделями с конечной памятью, обеспечивающих требуемую степень достоверности полученных результатов.

4. Методика формирования пороговых значений выпуска социально-значимой продукции, учитывающая существенную неритмичность процессов, изменение условий функционирования, неопределенность влияния внешних и внутренних факторов СЭС, особенно важных на этапе запуска и освоения производства.

Личный вклад автора заключается в выборе и обобщении из существующих методов и алгоритмов непараметрической идентификации способа решения, который в наибольшей степени учитывает особенности СЭП при определении причинно-следственных закономерностей; в конкретизации алгоритмов SP - идентификации и методики вариации периода дискретизации для учёта особенностей исследуемых процессов; в проведении представительных тестовых исследований для процессов с различными типами исходных данных и динамических свойств; в решении прикладных задач анализа и оценки состояния производства и потребления продукции ОАО «Кемеровохлеб» и ООО «ДизайнПак».

Апробация работы. Основные положения и результаты докладывались и получили одобрение на Международном симпозиуме «Инженерная экология - 2003» (секция «Экология и социально-экономические процессы», Москва, 2003г.); Международной конференции по мягким вычислениям и измерениям (С-Петербург, 2004 год); V Всероссийской научно-практической конференции «Системы автоматизации в образовании, науке и производстве» (Новокузнецк, 2005г.); V Всероссийской научно-практической конференции «Недра Кузбасса. Инновации - 2006» (Кемерово, 2006г.), а также на научно-методических семинарах кафедр «Менеджмента», «Экономики и управления на предприятии» и совещаниях в ООО «ДизайнПак».

Структура работы. Диссертационная работа состоит из введения, трех глав, заключения, списка литературы и двух приложений. Общий объём работы (без приложений)- 148 страниц. Список литературы включает 116 наименований.

Заключение

В диссертационной работе получены следующие основные результаты:

1. Выделен и исследован класс задач по установлению причинно-следственных закономерностей в социально-экономических процессах, отличающихся разнообразием форм представления исходных данных и типами причинных воздействий.

2. Для решения вышеуказанных задач целесообразно использовать единый подход непараметрической идентификации, основанный на дробно-рациональной аппроксимации алгоритмами теории непрерывных дробей. Преимуществами данного подхода является универсальность (по отношению к типу процессов), простота реализации, формирование последовательности приближений к исходным данным, итерационность вычислительной процедуры с естественными правилами её останова.

3. Для конкретизации алгоритмов SP - идентификации необходимо учитывать особенности социально-экономических процессов, в частности наличие одной реализации временных рядов; проведение измерений в равноотстоящие моменты времени, нестационарность, распределённость систем. Для учёта нелинейности введены в рассмотрение модели с конечной и бесконечной памятью.

4. Приведены научно обоснованные решения по учёту факторов, соответствующих требованиям ЛПР и влияющих на достоверность установленных закономерностей: параметров вариации периода дискретизации; существенного причинного воздействия; критериев останова при получении наилучших приближений. Тестовые исследования подтверждают возможность применения данного подхода для учёта особенностей и многообразия структур закономерностей: инерционность, колебательность, переменное запаздывание, неустойчивость.

5. Методика определения пороговых значений выпуска социально-значимой продукции отражает конкретные условия функционирования социально-экономической системы и способствует выбору эффективных решений по управлению социально-экономической системой в изменяющихся условиях её функционирования.

6. Результаты конкретизации и применения предложенных методик и алгоритмов для решения задач управления системами «производство -потребление» применительно к выпуску хлебобулочной и упаковочной продукции подтверждают обоснованность и эффективность теоретических разработок.

1. Авдеев В.П. и др. Восстановительно-прогнозирующие системы управления. Учебное пособие: Кемерово, КемГУ, 1984. - 92с.

2. Аглицкий И., Кузьмин В. Многоконтурное управление в социально-экономических системах. //Проблемы теории и практики управления, 2006 -№6. с.27-35.

3. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. М.: Финансы и статистика, 1983. -472 с.

4. Андрианов Д.Л., Уланов А.Ю., Селянин А.О. Принципы формирования информационной системы социально-экономического развития субъектов Российской Федерации. //Региональная экономика: теория и практика, 2006 №5(32). с. 26-29.

5. Басовский Л.Е. Прогнозирование и планирование в условиях рынка. Учебное пособие: М.: ИНФРА - М, 2002. - 260с.

6. Балацкий Е. Модель динамики курса «Доллар/Евро». //Экономист, 2005 -№9. с. 75-81.

7. Бендат Дж., Пирсол А. Прикладной анализ случайных данных: Пер. с анг. М.: Мир, 1989. -540с.

8. Безопасность России. Правовые, социально экономические и научно - технические аспекты. - М.: МГФ «Знание»

9. Бендат Дж., Пирсол А. Измерение и анализ случайных процессов. -М.: Мир, 1974.-464 с.

10. Бессонов В.А. О динамике совокупной факторной производительности в российской переходной экономике. //Экономический журнал ВШЭ. Том. 8, 2004, №4. с. 542-587.

11. Бокс Дж., Дженкис Г. Анализ временных рядов. Прогноз и управление. Выпуск 1. М.: Мир, 1974. - 410с.

12. Бокс Дж., Дженкис Г. Анализ временных рядов. Прогноз и управление. Выпуск 2. М.: Мир, 1974. - 200с.

13. Браверманн Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. -М.: Наука, 1983 464 с.

14. Бронштейн И.Н., Семендяев К.А. Справочник по математике для инженеров и учащихся втузов. М.: Наука, Гл.ред. физ-мат.лит., 1986.-544 с.

15. Бухштабер В.М., Оводов И.Г., Шевченко С.Н. Статистический подход к проблеме оценки надежности коммерческих банков. //Экономический журнал ВШЭ. Том. 2, 1998, №1. с. 67-83.

16. Варшавский JI.E. Прогнозирование динамики кадровой составляющей научного потенциала России. //РАН. Экономика и математические методы. Том 35, № 1, 1999 М.: Наука. С. 43-55.

17. Вильтух К.К. Закономерности краткосрочной экономической динамики. Теория. Статистические исследования. Критика макроэкономики. -М.: Янус-К, 2005.- 616с.

18. Воронина В.Г., Надоршин Е.Р. Валютная политика Центрального банка: степень вмешательства в процесс курсообразования и последствия для экономики. //Экономический журнал ВШЭ. Том. 8, 2004, №1. с. 56-80.

19. Гельфандбейн Я. А. Методы кибернетической диагностики динамических систем. Рига: Зинатне, 1967. - 542 с.

20. Глухов В.В., Медников М.Д., Коробко С.Б. Математические методы и модели для менеджмента. СПб.: Издательство «Лань», 2005. - 528с.

21. Джоунс У., Трон В. Непрерывные дроби. М.: Мир, 1985. - 416 с.

22. Долгий Ю.Ф., Близоруков М.Г. Динамические системы в экономике с дискретным временем. //РАН. Экономика и математические методы. Том 38, № 3, 2002 М.: Наука, с. 94-106.

23. Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник /Под. ред. чл. корр. РАН И.И. Елисеевой. - 4-е изд., пераб. и доп. - М.: Финансы и статистика, 1998. - 480с.

24. Ершов Э.Б., Толмачева Н.А. Обобщенная модель профильных трудоемкостей для оценивания численности занятых в отраслях межотраслевого баланса и домашних хозяйствах. //Экономический журнал ВШЭ. Том. 8, 2004, №2. с. 163-196.

25. Ефимова М.Р., Петрова Е.В., Румянцев В.Н. Общая теория статистики: Учебник. М.: ИНФРА-М, 1996. - 416с.

26. Зачайтов И.Б., Яновский Л.П. Анализ закономерностей и прогноз межгодовых колебаний урожаев сельскохозяйственных культур. //РАН. Экономика и математические методы. Том 40, №2, 2004 М.: Наука, с. 59-71.

27. Ивченко Б.П., Мартыненко Л.А. Информационная экология. Часть 1. СПб.: «Нордмед - Издат», 1998 - 208 с.

28. Казачков П.А. Об оценке эффективности рекламных компаний. //РАН. Экономика и математические методы. Том 41, № 2, 2005 М.: Наука, с. 74-83.

29. Канторович Г.Г. Лекции: Анализ временных рядов. //Экономический журнал ВШЭ. Том. 6, 2002, №4. с. 498-523.

30. Канторович Г.Г. Лекции: Анализ временных рядов. //Экономический журнал ВШЭ. Том. 6, 2002, № 3. с. 379-401.

31. Канторович Г.Г. Лекции: Анализ временных рядов. //Экономический журнал ВШЭ. Том. 6, 2002, № 2. с. 251-273.

32. Канторович Г.Г. Лекции: Анализ временных рядов. //Экономический журнал ВШЭ. Том. 6, 2002, № 1. с. 85-116.

33. Канторович Л.В. Экономический расчёт наилучшего использования ресурсов. -М.: Изд. АНСССР, 1959.

34. Конторович В.К. Взаимосвязь реального курса рубля и динамики промышленного производства в России. //Экономический журнал ВШЭ. Том. 5, 2001, № 3. с. 363-374.

35. Карташов В.Я. Анализ и исследование аппроксимационных свойств непрерывных дробей при решении задачи структурно параметрической идентификации динамических объектов. / Препринт № 22 - Барнаул: Изд- во Алтайского госуниверситета, 1996 - 40 с.

36. Карташов В.Я., Инденко О.Н. Способ идентификации линейного объекта. / Патент РФ № 2097818 М.: Бюль № 33, 1997.

37. Карташов В.Я., Новосельцева М.А. Способ идентификации линейного объекта. // Патент РФ № 2146063. М.: 200 - 24 с.

38. Карташов В.Я., Петрикевич Я.И. Ансов С.П. Способ идентификации линеаризованного динамического объекта. / Патент № 2256950. М.: Бюль № 20, 2005.

39. Карташов В.Я. Непрерывные дроби, (определения и свойства). // Учебное пособие Кемерово: Кузбасс - вузиздат, 1999. - 88 с.

40. Карташов В.Я. Цифровые системы контроля с идентификацией динамических свойств и характеристик сложных объектов / Дисс. на соис. д.т.н. / Кемерово: КемГУ; 1997. - 478 с.

41. Карташов В.Я., Столетов А.В. Идентификация интервальных моделей динамических объектов при наличии ошибок точечных измерений / Сборник тезисов Всерос. конференции Интервал 2006 - С.Петербург С.П.ГУД006.

42. Карташов В.Я., Новосельцева М.А. Риск с позиций системного анализа // Недра Кузбасса. Инновации. Труды НПК. Кемерово: УНИТИ, 2006.-с. 122-126.

43. Карташов В .Я., Новосельцева М.А. Оценка риска в динамических системах //Сборник докладов Международной конференции по мягким вычислениям и измерениям SCM 2006 С-Пб.: Изд-во СПбГЭТУ «ЛЭТИ», 2006. С. 67-70.

44. Карташов В.Я., Карташова JT.B. Оценка последствий нормативно-управленческих решений в социально-экономических системах //Материалы международного симпозиума «Инженерная экология 2003» - М.: ВСНТОРЭС им. А.С. Попова, 2003.-е. 136-140.

45. Карташова JI.B. Построение формирующих моделей при анализе социально-экономических процессов //Сборник докладов Международной конференции по мягким вычислениям и измерениям. Том 2. С. -Петербург: Изд-во СПбЭТУ «ЛЭТИ», 2004. - с. 96-99.

46. Карташова Л.В. Анализ социально-экономических процессов на основе математического моделирования //Системы автоматизации в образовании, науке и производстве. Труды V Всероссийской НПК конференции. Новокузнецк: СибГИУ, 2005. - с. 413-416.

47. Карташова Л.В. Оценивание причинно-следственных зависимостей в социально-экономических системах //Недра Кузбасса. Инновации 2006. Труды V Всероссийской НПК. - Кемерово; ИНТ, 2006. - с. 120-122.

48. Карташова Л.В., Ванюхина Д.В. Статистический анализ динамики производства и реализации в условиях рынка //Социально-экономические преобразования в России. Сборник научных трудов. Выпуск 3 Кемерово: Кузбассвузиздат, 2004. - с. 379-385.

49. Карташова Л.В., Бабина С.И., Петрищева А.И. Анализ динамики производственных процессов на основе установления причинно-следственных зависимостей //Вестник Московской Академии рынка труда и информационных технологий. М.: МАРТИТ, 2006, №7(29) - с. 24-32.

50. Качалов Р. Управление хозяйственным риском основа экономической безопасности региона. //Проблемы теории и практики управления, 2006 - №4. с.42-45.

51. Кендэл М. Временные ряды. М.: Финансы и статистика, 1981.199 с.

52. Кобринский Н.Е., Майминас Е.З., Смирнов А.Д. Экономическая кибернетика. М.: Экономика, 1982. - 408с.

53. Кокс Д., Снелл Э. Прикладная статистика. Принципы и примеры. -М.: Мир, 1984.-200с.

54. Котлер Ф. Основы маркетинга. Новосибирск: Наука, 1992. - 736с.

55. Куприянов Д. Влияние иностранных инвестиций на экономический рост. //Экономист. 2005 №9. с. 82-85.

56. Логов А.Б., Замараев Р.Ю. Математические модели диагностики уникальных объектов Новосибирск; Изд - во СО РАН, 1999. - 228 с.

57. Логов А.Б., Замараев Р.Ю., Логов А.А. Анализ функционального состояния промышленных объектов в фазовом пространстве. Институт угля и углехимии СОР АН, Кемерово, 2004. 168 с.

58. Люблинский Р.Н., Оскорбин Н.М. Методы декомпозиции при оптимальном управлении непрерывными производствами. Томск: Красное знамя, 1979.-218 с.

59. Макконнелл К.Р., Брю С.Л. Экономикс: принципы, эпономика и политика. Том1.- М.: Республика, 1992. 399с.

60. Макконнелл К.Р., Брю С.Л. Экономикс: принципы, эпономика и политика. Том 2.- М.: Республика, 1992. 400с.

61. Макаров И.М., Менский Б.М. Линейные автоматические системы (элементы теории, методы расчёта и справочный материал) М.: Машиностроение, 1982. - 504 с.

62. Малюк В.И., Бабкин А.В. Проектирование производственной системы с учётом динамики продуктового портфеля предприятия. //Экономика и управление, 2005 №3(20). с. 70-75.

63. Мескон М., Альберт М., Хедоурн А. Основы менеджмента. М.: Дело, 1998.-800 с.

64. Методы робастного, нейро нечёткого и адаптивного управления. / Под ред. Н.Д. Егупова - М.: Изд-во МГТУ им. Н.Э. Баумана, 2002 - 744 с.69. «Мировая экономика и международные отношения» 2002. № 12. с.93.95.

65. Миронов И.И., Осипов С.Н. Многоконтурные системы обработки информации и активного управления. М.: Энергоатом издат., 1997. - 342 с.

66. Нариньяни А.С. Не факторы: неточность и недоопределенность -различие и взаимосвязь // Известия РАН. Теория и системы управления. -2000, №5.-с. 44-56.

67. Негойце К. Применение теории систем к проблемам управления. -М.: Издательство «Мир», 1981. 180с.73. «Нефть России» № 3 2002. статья; с. 102-104.

68. Никифоров И.В. Последовательное обнаружение изменения свойств временных рядов. М.: Наука, 1983. - 200 с.

69. Новосельцева М.А., Карташова Л.В. Структурный анализ в задачах обработки данных //Вестник Кемеровского госуниверситета. Журнал теоретических и прикладных исследований. Выпуск 1(25) Кемерово.: ЮНИТИ, 2006. - с.43-48.

70. Новосельцева М.А., Идентификация моделей совмещённых случайных процессов для систем контроля горной техники // Дисс. канд. тех. наук / Кемерово: КемГУ, 2001.

71. Новосёлов А.А. Математическое моделирование финансовых рисков: Теория измерения. Новосибирск: Наука, 2001. - 102 с.

72. Обнаружение изменения свойств сигналов и динамических систем / Под ред. М. Бассвиль, А. Банвениста. М.: Мир, 1989. - 278 с.

73. Общая теория статистики: Статистическая методология в изучении коммерческой деятельности: Учебник /Под ред. А.А. Спирина, О.Э. Башиной. М.: Финансы и статистика, 1999. - 416с.

74. Оскорбин Н.М. Математические основы управления большими системами. Учебное пособие. Барнаул: Изд-во АГУ, 1982. - 76 с.

75. Острём К., Виттенмарк Б. Системы управления с ЭВМ. М.: Мир, 1987.-480 с.

76. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ: Учебное пособие для вузов. М.: Высшая школа, 1989. - 367с.

77. Первозванский А.А. Математические модели в управлении производством. М.: Наука, 1975. - 617 с.

78. Петрикевич Я.И. Структурно-параметрическая идентификация динамических объектов по интервальным исходным данным. /Дисс. на соиск. канд. тех. наук. Кемерово, 2006 - 225с.

79. Прикладная статистика: Основы эконометрики. /Учебник для ВУЗов: в 2 т. т.1: Айвазян С.А., Мхитарян B.C. Теория В и Пр. стат. - М.: ЮНИТИ - ДАНА, 2001. - 656с.

80. Прикладная статистика: Основы эконометрики. /Учебник для ВУЗов: в 2 т. т.2: Айвазян С.А. Основы эконометрики - М.: ЮНИТИ -ДАНА, 2001.-432с.

81. Пупков К.А., Егупов Н.Д., Макаренков A.M., Трофимов А.И. Теория и компьютерные методы исследования стохастических систем. М.: Физматлит, 2003 - 400 с.

82. Романенко А.Ф., Сергеев Г.А. Вопросы прикладного анализа случайных процессов. М.: Советское радио, 1968. - 247 с.

83. Россия ОПЕК: от конфронтации к многостороннему сотрудничеству//Нефть России № 4, 2002.

84. Ротач В.Я. Теория автоматического управления: Учебник для вузов. М.: Издательство МЭИ, 2004. - 400с.

85. Сидоренко Ю.С. Слияния и приобретения компаний: влияние юридической структуры сделки на стоимость бизнеса // Российский Экономический Интернет Журнал. Издатель: Академия труда и социальных отношений. Сетевой адрес: -http://www.e-rej.ru/. -28.06.2006г.

86. Скоробочатысо В.Я. Теория вертящихся цепных дробей и её применение в вычислительной математике. М.: Наука, 1983. - 312 с.

87. Смит Джон М. Математическое и цифровое моделирование для инженеров и исследователей. М.: Машиностроение, 1980. - 271 с.

88. Современный маркетинг /Хруцкий В.Е., Корнеева И.В., Автухова Е.Э. М.: Финансы и статистика, 1991. - 256с.

89. Справочник по теории автоматического управления /Под ред. А.А. Красовского. М.: Наука, 1987. - 712 с.

90. Стариков Д.А. Оценка факторов неопределённости и управления рисками на предприятиях строительного комплекса // Российский Экономический Интернет Журнал. Издатель: Академия труда и социальных отношений. Сетевой адрес: -http://www.e-rej.ru/- 15.12.2003г.

91. Струченевский А. А. Эмпирический анализ финансовых кризисов в России. //Экономический журнал ВШЭ. Том. 2, 1998, №2. с. 197-209.

92. Суринов А.Е., Шашиов С.А. Об основных тенденциях в уровне жизни и сберегательном поведении населения России. //Экономический журнал ВШЭ. Том. 6, 2002, №3. с. 324-342.

93. Тьюки Дж. Анализ результатов наблюдений. Разведочный анализ.- М.: Мир, 1981.-695 с.

94. Фишер С., Дорнбуш Р., Шмалензи Р. Экономика. -М.: Дело, 2001.- 864с.

95. Ханк Дж.Э., Уичерн Д.У., Райте А.Дж. Бизнес прогнозирование, 7-е издание. - М.; Издат. дом «Вильяме», 2003 - 656 с.

96. Хованский А.Н. Приложение цепных дробей и их обобщений к вопросам приближенного анализа -М.: ГИТТЛЗ, 1956. 197 с.

97. Хозяйственный риск и методы его измерения. М.: Экономика, 1979.- 184 с.

98. Чекменёва Т.Д. О краткосрочном прогнозировании выпуска продукции химического предприятия. //Социально-экономические преобразования в России: сб. научных трудов. Вып. 3. Кемерово: Кузбассвузиздат, 2004. - С. 377-379.

99. Четыркин Е.М., Калихман И.Л. Вероятность и статистика. М.: Финансы и статистика, 1982. - 319с.

100. Ширяев А.Н. Статистический последовательный анализ. М.: Наука, 1976.-272 с.

101. Шмыкова С.В., Сосунов К.А. Влияние валютного курса на потребительские цены в России. //Экономический журнал ВШЭ. Том. 9, 2005, №1. с. 3-16.

102. Шокин Ю.И. Интервальный анализ. Новосибирск: Наука, 1981 —112 с.

103. Шоломицкий А.Г. Теория риска. Выбор при неопределённости и моделирование риска. М.: Изд. Дом ГУ ВШЭ, 2005 - 400 с.115. htpp://www.hf.ru/an/articles/world/oil «Мировой рынок нефти и ОПЕК».116. htpp://www.OPEC.RU официальный сайт ОПЕК.